Loading AI tools
来自维基百科,自由的百科全书
视频质量是量化一段视频通过视频传输/处理系统时画面质量变化(通常是下降)程度的方法。由于视频处理系统可能会导致一定的视频信号失真,因此视频质量评价对于视频传输/处理系统的选择,显得十分重要。
自从世界上第一段视频被录制以来,各种各样的视频处理系统都被设计生产。在模拟视频系统时期,评估视频处理系统的质量可使其播放一些"传统测试信号",并计算其频率响应得到。(比如一系列的色条与圆圈)
如今,数字视频已经取代模拟视频,评价的方法也随之改变。数字视频处理系统的性能显著地取决于输入视频的动态特性(如动作或空间细节)。
客观视频评估技术是一些与主观质量评估结果相近的数学模型,但是它们通常由计算机按照一定的标准与指标自动完成。评价的方法大致是将原视频(高品质、一般不被压缩)与处理后的视频进行分类对比。分类对比分为三种:全参考(FR)、部分参考(RR)、无参考(NR)。全参考比较处理前后的两段视频每个像素的差别,部分参考提取两段视频的一些特性,并依此给予它们评分。以上两种方法通常在原视频可用时使用,如在有限的带宽下。无参考则试图在没有任何原视频的参考下进行评估,通常在视频编码方法已知时使用。
当然,最传统的方法是计算两段视频信噪比(SNR)与峰值信噪比(PSNR)的差异。 PSNR是使用最广泛的客观视频质量的度量方法,但由于人类视觉系统的非线性,因此PSNR值与人眼感受到的视频质量仍有较大出入。近来一些更复杂、更精确的一些指标被指定,比如VQM (页面存档备份,存于互联网档案馆)、PEVQ、结构相似性(SSIM)、VQuad-HD (页面存档备份,存于互联网档案馆)、CZD。
一个客观的视频质量指标的表现由计算客观分数与视频主观质量测试分数之间的相关性得出。后者被称为平均意见分数(MOS)。最常用的相关系数有:线性相关系数、斯皮尔曼等级相关系数、峰度、Kappa系数与离群率。
客观模型可以根据原始信号、接收信号或是否存在信号的可用信息量进行分类:[1]
用于视频质量评估的一些模型(如PSNR或SSIM)只是图像质量模型,其输出是为视频序列的每一帧计算的。然后可以记录每一帧的质量度量,并随着时间的推移汇集在一起,以评估整个视频序列的质量。虽然这种方法很容易实现,但它没有考虑到随时间发展的某些类型的降级,例如由数据包丢失及其隐藏引起的运动伪像。考虑质量下降的时间方面的视频质量模型,如VQM或电影指数,可能能够产生更准确的人类感知质量的预测。
指标 | 用途 | 描述 | |
---|---|---|---|
全参考 | PSNR (峰值信噪比) | 图像 | 它是在原始视频信号和降级视频信号的每一帧之间计算的。PSNR是最广泛使用的客观图像质量指标。然而,由于人类视觉系统的复杂、高度非线性的行为,PSNR值与感知的图像质量不太相关。 |
SSIM[2] (结构相似性) | 图像 | SSIM是一种基于感知的模型,它将图像退化视为结构信息中的感知变化,同时还结合了重要的感知现象,包括亮度掩蔽和对比度掩蔽项。 | |
MOVIE[3] 基于运动的视频完整性评估 | 视频 | MOVIE 指数是一个基于神经科学的模型,用于预测(可能是压缩的或失真的)电影或视频相对于原始参考视频的感知质量。 | |
VMAF[4] 视频多方法评估 | 视频 |
VMAF使用四个特征来预测视频质量VIF、DLM、MCPD和信噪比。使用基于SVM的回归来融合上述特征,以提供单个输出分数。然后,使用算术平均在整个视频序列上暂时汇集这些分数,以提供总体差异平均意见分数(DMOS)。 | |
弱参考 | SRR[5] (基于SSIM的弱参考) | 视频 | SRR值由接收的(目标)视频信号SSIM与参考视频模式SSIM值的比值计算。 |
ST-RRED[6] | 视频 | 计算视频序列中相邻帧之间帧差的小波系数(用GSM建模)。它用于评估导致时间性再狭窄的相对熵差异。它结合通过在视频的每一帧上应用空间平均指数而评估的空间平均指数,产生时空平均指数 | |
无参考 | NIQE[7] Naturalness Image Quality Evaluator | 图像 | 该IQA模型建立在从局部图像块提取的感知相关空间域n自然场景统计(NSS)特征的基础上,该特征有效地捕捉自然图像的基本低阶统计。 |
BRISQUE[8] 无参考图像空间质量评估器 | 图像 | 方法提取局部归一化亮度信号的逐点统计,并基于测量到的与自然图像模型的偏差来测量图像自然度(或缺乏自然度)。它还对相邻归一化亮度信号的成对统计分布进行建模,从而提供失真方向信息。 | |
Video-BLIINDS[9] | 视频 | 计算帧差的离散余弦变换系数的统计模型,并计算运动特征。基于这些特征用 SVM 方法预测分数。 |
当评估一个视频编解码器的质量时,所有上文提到的客观方法可能都要逐一反复进行测试,以满足所需的视觉质量水平。无疑,这十分费时、复杂,并且在商业化应用中不切实际。出于上述原因,许多研究都专注于开发新的客观评价方法,使其更为实用[1][永久失效链接] 。
许多主观视频质量的主要目标是自动评估用户(即观众)对视频处理系统处理后的视频质量的意见。其主要思路与MOS相近,即记录观众意见的平均值来评估视频的质量。但是测试出的细节出入可能极大。
工具 | 获取方式 | 包含的指标 |
---|---|---|
FFmpeg (页面存档备份,存于互联网档案馆) | 免费 | PSNR, SSIM, VMAF |
MSU VQMT (页面存档备份,存于互联网档案馆) | 基础指标免费
HDR指标付费 |
PSNR, SSIM, MS-SSIM, 3SSIM, VMAF, NIQE, VQM, Delta, MSAD, MSE
MSU提出的指标: 模糊程度指标, 区块效应指标, 亮度抖动指标, 丢帧指标, 噪声估计指标 |
EPFL VQMT (页面存档备份,存于互联网档案馆) | 免费 | PSNR, PSNR-HVS, PSNR-HVS-M, SSIM, MS-SSIM, VIFp |
OpenVQ (页面存档备份,存于互联网档案馆) | 免费 | PSNR, SSIM, OPVQ(开放式感知视频质量指标) |
Elecard (页面存档备份,存于互联网档案馆) | 收费 | PSNR, APSNR, MSAD, MSE, SSIM, Delta, VQM, NQI, VMAF, VIF |
AviSynth (页面存档备份,存于互联网档案馆) | 免费 | SSIM |
VQ Probe (页面存档备份,存于互联网档案馆) | 免费 | PSNR, SSIM, VMAF |
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.